The impact of digital transformation on the capital structure of listed companies in Vietnam
Vũ Duy Khương
Công ty Cổ phần Eurocapital
Email: khuongvd82@gmail.com
(Quanlynhanuoc.vn) – Nghiên cứu đánh giá tác động của chuyển đổi số đến cấu trúc vốn tại 285 doanh nghiệp phi tài chính niêm yết liên tục trên HOSE giai đoạn 2016–2024. Mức độ chuyển đổi số được đo lường qua tần suất từ khóa chuyên ngành trong báo cáo thường niên. Kết quả từ mô hình tác động cố định hai chiều (doanh nghiệp và năm) chỉ ra rằng chuyển đổi số có mối quan hệ cùng chiều rõ rệt với tỷ lệ tổng nợ và nợ ngắn hạn trên tổng tài sản, nhưng tác động ngược chiều ở mức ý nghĩa yếu đối với nợ dài hạn. Khi phân tích cơ cấu kỳ hạn, chuyển đổi số làm gia tăng đáng kể tỷ trọng nợ ngắn hạn trong tổng nợ. Các phát hiện duy trì tính vững chắc qua nhiều kiểm định độ bền, bao gồm việc sử dụng biến giả, chuẩn hóa theo độ dài báo cáo, kiểm định biến trễ và ước lượng biến công cụ (IV-2SLS). Nghiên cứu đóng góp bằng chứng thực nghiệm quan trọng về hệ quả tài chính của quá trình số hóa tại một thị trường mới nổi, gợi mở cho các nhà quản trị cần cân bằng giữa chiến lược chuyển đổi số với công tác quản trị thanh khoản và rủi ro kỳ hạn nguồn vốn.
Từ khóa: Chuyển đổi số; cấu trúc vốn; đòn bẩy tài chính; kỳ hạn nợ; doanh nghiệp niêm yết.
Abstract: This study evaluates the impact of digital transformation on the capital structure of 285 non-financial companies continuously listed on the Ho Chi Minh Stock Exchange (HOSE) from 2016 to 2024. The degree of digital transformation is measured by the frequency of industry-specific keywords in annual reports. Results from a two-way fixed-effects model (firm and year) indicate that digital transformation has a significant positive relationship with the ratios of total debt and short-term debt to total assets, but a weakly significant negative effect on long-term debt. When analyzing the maturity structure, digital transformation significantly increases the share of short-term debt in total debt. These findings hold up robustly across multiple robustness tests, including the use of dummy variables, standardization by report length, lag tests, and instrumental variable (IV-2SLS) estimation. This study provides important empirical evidence on the financial implications of digital transformation in an emerging market, suggesting that managers need to balance digital transformation strategies with liquidity management and funding maturity risk management.
Keywords: Digital transformation; capital structure; leverage; debt maturity; listed firms.
1. Đặt vấn đề
Chuyển đổi số đang tái định hình cách thức doanh nghiệp phân bổ nguồn lực, vận hành quy trình, kết nối khách hàng và đưa ra quyết định chiến lược. Khác với việc đầu tư đơn lẻ vào hạ tầng phần mềm hay thiết bị kỹ thuật, chuyển đổi số đòi hỏi sự biến đổi đồng bộ về công nghệ, quy trình, năng lực tổ chức cùng mô hình kinh doanh. Việc triển khai dữ liệu lớn, trí tuệ nhân tạo (AI), điện toán đám mây (Cloud Computing), các nền tảng số và hệ thống quản trị tích hợp giúp doanh nghiệp tối ưu hóa tốc độ xử lý thông tin, phối hợp nguồn lực hiệu quả và mở ra các phương thức tạo giá trị mới. Do đó, tác động của chuyển đổi số không dừng lại ở khía cạnh vận hành hay thị trường mà còn lan tỏa mạnh mẽ đến các quyết định tài chính doanh nghiệp (Besson & Rowe, 2012; Goldfarb & Tucker, 2019; Verhoef et al., 2021).
Dòng nghiên cứu thực nghiệm hiện hành chủ yếu tập trung làm rõ ảnh hưởng của chuyển đổi số đối với hiệu quả hoạt động, năng lực đổi mới, môi trường thông tin và rào cản tài chính (Chen et al., 2022; He et al., 2023; Li et al., 2022; Zhai et al., 2022). Một số công trình gần đây đã bắt đầu phân tích quá trình điều chỉnh cấu trúc vốn hoặc chính sách tài trợ bằng nợ trong bối cảnh thị trường Trung Quốc (Niu et al., 2023; Xue & Zhang, 2024). Dù vậy, bằng chứng thực nghiệm trực tiếp tại Việt Nam vẫn còn khá mờ nhạt. Các nghiên cứu về cấu trúc vốn trong nước thường xoay quanh các yếu tố truyền thống như quy mô, khả năng sinh lời, tài sản hữu hình, cơ hội tăng trưởng và cơ cấu sở hữu (Vo, 2017), trong khi vai trò của chuyển đổi số chưa được kiểm chứng một cách hệ thống.
Bài viết được thực hiện nhằm đánh giá tác động của chuyển đổi số đến cấu trúc vốn của 285 doanh nghiệp phi tài chính niêm yết liên tục trên HOSE giai đoạn 2016–2024. Mức độ chuyển đổi số được đo lường thông qua tần suất xuất hiện của các từ khóa chuyên ngành trong báo cáo thường niên, kết hợp với hệ thống dữ liệu tài chính doanh nghiệp. Bài viết tiến hành xem xét đòn bẩy tổng thể, nợ ngắn hạn và nợ dài hạn trên tổng tài sản; đồng thời bóc tách trực tiếp tỷ trọng của nợ ngắn hạn và nợ dài hạn trong tổng cơ cấu nợ.
2. Cơ sở lý thuyết và phát triển giả thuyết
2.1. Chuyển đổi số và cấu trúc vốn
Chuyển đổi số đại diện cho quá trình doanh nghiệp tích hợp công nghệ số nhằm tạo ra những bước ngoặt trong vận hành, cấu trúc tổ chức và phương thức tạo lập giá trị. Khái niệm này mang phạm vi rộng hơn số hóa dữ liệu đơn thuần. Trong khi số hóa chuyển đổi thông tin từ dạng vật lý sang định dạng số, chuyển đổi số đòi hỏi sự tái cấu trúc toàn diện quy trình, năng lực cốt lõi và mô hình kinh doanh dựa trên nền tảng công nghệ (Besson & Rowe, 2012; Verhoef et al., 2021). Tại cấp độ doanh nghiệp, chuyển đổi số thường biểu hiện qua AI, Big Data, Cloud Computing, Blockchain, Internet vạn vật (IoT) cùng các ứng dụng số trong quản trị, sản xuất, marketing và chuỗi cung ứng.
2.2. Lý thuyết đánh đổi và lý thuyết trật tự phân hạng
Lý thuyết đánh đổi cho rằng doanh nghiệp xác định đòn bẩy mục tiêu bằng cách cân bằng lợi ích lá chắn thuế với chi phí kiệt quệ tài chính và xung đột đại lý. Mức nợ tối ưu đạt được khi lợi ích biên cân bằng với chi phí biên phát sinh (Kraus & Litzenberger, 1973; Myers, 2001). Chuyển đổi số có thể nâng cao mức nợ mục tiêu nếu giúp cải thiện hiệu quả vận hành, ổn định dòng tiền và hạ thấp rủi ro kiệt quệ.
Trong khi đó, lý thuyết trật tự phân hạng dựa trên bất cân xứng thông tin, cho rằng doanh nghiệp ưu tiên vốn nội bộ, kế tiếp là nợ và cuối cùng mới phát hành cổ phần (Myers, 1984; Myers & Majluf, 1984; Frank & Goyal, 2003). Theo góc nhìn này, chuyển đổi số tạo ra hai cơ chế đối lập: nếu số hóa giúp tăng dòng tiền tích lũy, nhu cầu vay nợ sẽ giảm; ngược lại, nếu chi phí đầu tư số vượt quá nguồn lực nội bộ hoặc sự minh bạch giúp tiếp cận tín dụng dễ dàng hơn, đòn bẩy sẽ gia tăng.
2.3. Chuyển đổi số và tổng nợ
Chuyển đổi số đóng vai trò động lực thúc đẩy năng suất và lợi thế cạnh tranh của doanh nghiệp. Năng lực vận hành tối ưu giúp gia tăng dòng tiền, bảo đảm khả năng chi trả lãi vay và hạ thấp rủi ro kiệt quệ tài chính. Dưới góc nhìn của lý thuyết đánh đổi, sự cải thiện này tạo cơ sở để doanh nghiệp nâng cao mức đòn bẩy mục tiêu. Các bằng chứng thực nghiệm của Niu & cộng sự (2023) xác nhận chuyển đổi số đẩy nhanh tốc độ điều chỉnh cấu trúc vốn, trong khi Xue & Zhang (2024) tìm thấy tác động tích cực đến đòn bẩy tại các công ty Trung Quốc. Tại Việt Nam, nơi tín dụng ngân hàng đóng vai trò chủ đạo, tác động thúc đẩy nhu cầu và khả năng tiếp cận vốn vay được dự báo sẽ chiếm ưu thế.
H1: Chuyển đổi số có tác động tích cực đến tỷ lệ tổng nợ của doanh nghiệp niêm yết.
2.4. Chuyển đổi số và kỳ hạn nợ
Nợ ngắn hạn và dài hạn đáp ứng các nhu cầu tài trợ cùng mức độ cam kết khác nhau. Nợ ngắn hạn có tính linh hoạt cao, thẩm định nhanh, phù hợp cho vốn lưu động và các khoản chi số hóa chu kỳ ngắn như phần mềm, thương mại điện tử hay marketing số. Đồng thời, sự minh bạch thông tin giúp ngân hàng giám sát tín dụng dễ dàng hơn, làm gia tăng khả năng tiếp cận nợ ngắn hạn.
Ngược lại, nợ dài hạn đòi hỏi tài sản thế chấp và dòng tiền ổn định. Các tài sản số như dữ liệu hay phần mềm khó thế chấp, kết hợp rủi ro lỗi thời công nghệ có thể làm chủ nợ thận trọng. Tuy nhiên, nếu số hóa giảm đáng kể bất cân xứng thông tin, khả năng vay dài hạn vẫn có thể cải thiện. Do tồn tại các cơ chế đối lập, nghiên cứu không đặt kỳ vọng dấu cố định cho nợ dài hạn.
H2: Chuyển đổi số có tác động tích cực đến tỷ lệ nợ ngắn hạn của doanh nghiệp niêm yết.
H3: Chuyển đổi số có mối liên hệ với tỷ lệ nợ dài hạn của doanh nghiệp niêm yết.
3. Phương pháp nghiên cứu
3.1. Dữ liệu và mẫu nghiên cứu
Bài viết sử dụng dữ liệu bảng cân bằng gồm 285 doanh nghiệp phi tài chính niêm yết liên tục trên HOSE giai đoạn 2016 – 2024 (2.565 quan sát doanh nghiệp). Các định chế tài chính, ngân hàng, bảo hiểm và chứng khoán bị loại bỏ do đặc thù quy định đòn bẩy và cấu trúc báo cáo. Dữ liệu tài chính được thu thập từ báo cáo tài chính đã kiểm toán, trong khi chỉ số chuyển đổi số khai thác từ báo cáo thường niên (kèm dữ liệu bổ sung năm 2015 để tính biến trễ và biến tăng trưởng). Nhằm loại bỏ ảnh hưởng của giá trị ngoại lệ, toàn bộ các biến liên tục được xử lý Winsorize tại phân vị 1% và 99%.
Mặc dù việc tập trung vào sàn HOSE giúp bảo đảm tính đồng nhất về môi trường công bố thông tin, thiết kế mẫu bảng cân bằng có thể phát sinh sai lệch lựa chọn do chỉ bao gồm các doanh nghiệp duy trì niêm yết bền vững. Mẫu nghiên cứu có thiên hướng đại diện cho nhóm công ty có quy mô ổn định, chất lượng quản trị và mức độ minh bạch cao hơn mặt bằng chung; do đó kết quả cần được khái quát thận trọng với nhóm doanh nghiệp nhỏ, hủy niêm yết hoặc gặp rủi ro tài chính cao.
3.2. Đo lường chuyển đổi số
Bộ từ khóa nghiên cứu bao gồm năm nhóm chủ đạo: AI, Big Data, Cloud Computing, Blockchain, IoT cùng các ứng dụng công nghệ số. Các thuật ngữ song ngữ Anh – Việt như “chuyển đổi số”, “digital transformation”, “trí tuệ nhân tạo”, “big data”, “Cloud computing”, “ERP”, “CRM”, “Internet of Things”, “tự động hóa quy trình” và “nền tảng số” được trích xuất từ báo cáo thường niên. Quy trình tiền xử lý tiến hành chuẩn hóa chữ thường, khoảng trắng và các dạng biến thể; loại bỏ nội dung lặp tại đầu trang, chân trang hay mục lục; đồng thời kiểm định ngữ cảnh của từ viết tắt nhằm tối thiểu hóa sai sót dương tính giả.
Thước đo chính là: DTIndex = In (1+ tổng tần suất từ khóa). Biến giả DTDum nhận giá trị 1 nếu báo cáo xuất hiện ít nhất một từ khóa và 0 cho trường hợp ngược lại. Nhằm loại bỏ nhiễu từ độ dài báo cáo, chỉ số DTRatio được tính bằng tổng tần suất từ khóa chia cho tổng số từ rồi nhân với 10.000, từ đó xác định DTIntensity = In (1 + DTRatio). Nghiên cứu sử dụng DT Index cho mô hình hồi quy chính, trong khi DTDum và DTIntensity phục vụ các kiểm định độ bền.
3.3. Biến phụ thuộc và biến kiểm soát
Bảng 1. Định nghĩa và đo lường các biến
| Biến | Đo lường |
| LEV | Tổng nợ phải trả / Tổng tài sản |
| STD | Nợ ngắn hạn / Tổng tài sản |
| LTD | Nợ dài hạn / Tổng tài sản |
| STDM | Nợ ngắn hạn / Tổng nợ |
| LTDM | Nợ dài hạn / Tổng nợ |
| DTIndex | Ln (1 + tổng tần suất từ khóa chuyển đổi số) |
| DTDum | 1 nếu tổng tần suất từ khóa > 0; ngược lại bằng 0 |
| DTIntensity | Ln [1 + (tần suất từ khóa/tổng số từ báo cáo thường niên) × 10.000] |
| SIZE | Ln (Tổng tài sản) |
| ROA | Lợi nhuận sau thuế / Tổng tài sản |
| GROWTH | (Doanh thu năm t – Doanh thu năm t−1) / Doanh thu năm t−1 |
| TANG | Tài sản cố định hữu hình / Tổng tài sản |
| CASH | Tiền và tương đương tiền / Tổng tài sản |
| CFO | Dòng tiền thuần từ hoạt động kinh doanh / Tổng tài sản |
| AGE | Ln (1 + năm quan sát − năm thành lập) |
| TOBINQ | (Giá trị thị trường vốn chủ sở hữu + giá trị sổ sách nợ) / Tổng tài sản |
3.4. Mô hình và phương pháp ước lượng
Mô hình chính được ước lượng bằng phương pháp tác động cố định hai chiều (Two-Way Fixed Effects), bao gồm hiệu ứng cố định doanh nghiệp và hiệu ứng cố định năm:
CapitalStructureᵢₜ = β₁DTIndexᵢₜ + ΣβₖControlₖᵢₜ + μᵢ + λₜ + εᵢₜ
Trong đó, Capital Structure đại diện lần lượt cho các chỉ số LEV, STD và LTD; μᵢ kiểm soát các đặc tính bất biến theo thời gian cấp doanh nghiệp như văn hóa quản trị, đặc thù ngành hay khẩu vị rủi ro; λₜ kiểm soát các cú sốc kinh tế vĩ mô và chính sách chung qua các năm; εᵢₜ là sai số. Sai số chuẩn được phân cụm theo doanh nghiệp nhằm xử lý triệt để hiện tượng phương sai thay đổi và tự tương quan chuỗi
Quy trình phân tích bao gồm thống kê mô tả, ma trận tương quan Pearson và kiểm định hệ số phóng đại phương sai (VIF). Nhằm đánh giá độ bền của kết quả, nghiên cứu lần lượt thay thế DTIndex bằng DTDum và DTIntensity, sử dụng biến trễ một thời kỳ (DTIndext-1) và áp dụng phương pháp ước lượng biến công cụ (IV-2SLS). Biến công cụ được chọn là mức DTIndex trung bình của các doanh nghiệp trong cùng ngành–năm (loại trừ doanh nghiệp quan sát). Cách tiếp cận này dựa trên cơ chế lan tỏa công nghệ nội ngành; mặc dù giả định loại trừ vẫn có khả năng chịu tác động từ các cú sốc công nghệ hoặc chính sách tín dụng chung của ngành, kết quả IV-2SLS đóng vai trò bằng chứng bổ sung giúp giảm thiểu lo ngại nội sinh hơn là khẳng định quan hệ nhân quả tuyệt đối.
4. Kết quả nghiên cứu và thảo luận
4.1 Thống kê mô tả và tương quan
Bảng 2. Thống kê mô tả
| Biến | N | Trung bình | Độ lệch chuẩn | Nhỏ nhất | Lớn nhất |
| LEV | 2.565 | 0,472 | 0,198 | 0,045 | 0,878 |
| STD | 2.565 | 0,386 | 0,175 | 0,032 | 0,805 |
| LTD | 2.565 | 0,086 | 0,112 | 0,000 | 0,518 |
| STDM | 2.565 | 0,812 | 0,185 | 0,215 | 1,000 |
| LTDM | 2.565 | 0,188 | 0,185 | 0,000 | 0,785 |
| DTIndex | 2.565 | 1,895 | 1,142 | 0,000 | 4,852 |
| DTDum | 2.565 | 0,628 | 0,483 | 0,000 | 1,000 |
| DTIntensity | 2.565 | 0,825 | 0,512 | 0,000 | 2,650 |
| SIZE | 2.565 | 28,324 | 1,415 | 24,350 | 32,610 |
| ROA | 2.565 | 0,061 | 0,062 | −0,178 | 0,272 |
| GROWTH | 2.565 | 0,128 | 0,276 | −0,405 | 1,820 |
| TANG | 2.565 | 0,218 | 0,172 | 0,006 | 0,735 |
| CASH | 2.565 | 0,118 | 0,098 | 0,009 | 0,535 |
| CFO | 2.565 | 0,065 | 0,085 | −0,208 | 0,392 |
| AGE | 2.565 | 2,882 | 0,398 | 1,120 | 3,850 |
| TOBINQ | 2.565 | 1,215 | 0,618 | 0,325 | 4,880 |
Giá trị trung bình của LEV đạt 0,472, phản ánh tổng nợ chiếm khoảng 47,2% tổng tài sản. Tỷ lệ nợ ngắn hạn bình quân đạt 38,6%, vượt trội so với mức 8,6% của nợ dài hạn. Khi xét trong cơ cấu tổng nợ, chỉ số STDM đạt 81,2%, khẳng định cấu trúc nợ của các doanh nghiệp HOSE lệch mạnh về kỳ hạn ngắn. Đặc tính này nhấn mạnh tầm quan trọng của công tác quản trị thanh khoản và rủi ro tái tài trợ.
Biến DTIndex ghi nhận giá trị trung bình 1,895 cùng độ lệch chuẩn 1,142. Mức trung bình của DTDum đạt 0,628, cho thấy khoảng 62,8% số quan sát doanh nghiệp/năm công bố ít nhất một thuật ngữ số hóa. Biên độ dao động của DTIndex và DTIntensity thể hiện sự phân hóa rõ rệt về mức độ minh bạch thông tin số giữa các công ty và qua các năm. Ma trận tương quan chỉ ra hệ số lớn nhất giữa các biến giải thích là 0,485 (giữa ROA và CFO). Chỉ số VIF trung bình đạt 1,38 và VIF cực đại bằng 1,82, đều thấp hơn nhiều so với các ngưỡng cảnh báo; do đó hiện tượng đa cộng tuyến không phải là vấn đề nghiêm trọng.
4.2. Kết quả hồi quy chính
Bảng 3. Kết quả hồi quy tác động cố định hai chiều
| Biến | (1) LEV | (2) STD | (3) LTD |
| DTIndex | 0,0195*** (0,0058) | 0,0228*** (0,0052) | −0,0033* (0,0018) |
| SIZE | 0,0428*** (0,0091) | 0,0298*** (0,0082) | 0,0130*** (0,0038) |
| ROA | −0,3325*** (0,0458) | −0,2918*** (0,0412) | −0,0407* (0,0225) |
| GROWTH | 0,0292*** (0,0092) | 0,0248*** (0,0084) | 0,0044 (0,0033) |
| TANG | 0,1885*** (0,0352) | 0,0524* (0,0315) | 0,1361*** (0,0198) |
| CASH | −0,2210*** (0,0312) | −0,2025*** (0,0282) | −0,0185 (0,0132) |
| CFO | −0,1182*** (0,0345) | −0,1024*** (0,0318) | −0,0158 (0,0152) |
| AGE | 0,0165 (0,0198) | 0,0125 (0,0178) | 0,0040 (0,0088) |
| TOBINQ | −0,0192** (0,0084) | −0,0158** (0,0076) | −0,0034 (0,0035) |
| Hằng số | −0,7125*** (0,2015) | −0,4382** (0,1825) | −0,2743*** (0,0885) |
| Firm FE / Year FE | Có / Có | Có / Có | Có / Có |
| Số cụm / Quan sát | 285 / 2.565 | 285 / 2.565 | 285 / 2.565 |
| Adjusted R² | 0,398 | 0,354 | 0,225 |
Cột (1) cho thấy, DTIndex có hệ số 0,0195 (ý nghĩa 1%). Khi các yếu tố khác không đổi, gia tăng mức độ chuyển đổi số gắn liền với tỷ lệ tổng nợ cao hơn. Với độ lệch chuẩn DTIndex bằng 1,142, mức tăng một độ lệch chuẩn tương ứng LEV tăng 2,23 điểm phần trăm. Đây là tác động có ý nghĩa kinh tế so với mức LEV trung bình 47,2%. Kết quả ủng hộ H1 và phù hợp với lý thuyết đánh đổi: số hóa nâng cao hiệu quả vận hành, khả năng kiểm soát và tính minh bạch thông tin, qua đó mở rộng năng lực sử dụng nợ. Phát hiện này đồng nhất với Xue và Zhang (2024) trong bối cảnh Trung Quốc.
Cột (2) ghi nhận hệ số của DTIndex đối với STD đạt 0,0228 (ý nghĩa 1%). Một độ lệch chuẩn tăng thêm của DTIndex làm STD tăng 2,60 điểm phần trăm. Do hệ số này lớn hơn ở mô hình LEV, đòn bẩy gia tăng tập trung chủ yếu ở nợ ngắn hạn, qua đó ủng hộ H2. Kết quả phản ánh tính linh hoạt của tín dụng ngắn hạn và sự tương thích với các khoản chi số hóa chu kỳ ngắn hoặc nhu cầu vốn lưu động. Tuy nhiên, do hạn chế không quan sát trực tiếp mục đích khoản vay, đây là cách giải thích mang tính hợp lý hơn là một cơ chế đã kiểm định.
Cột (3) chỉ ra DTIndex có hệ số −0,0033 đối với LTD nhưng chỉ đạt ý nghĩa ở mức 10%. Mức tăng một độ lệch chuẩn của DTIndex chỉ tương ứng LTD giảm khoảng 0,38 điểm phần trăm. Với tác động nhỏ và mức ý nghĩa yếu, kết quả chỉ cung cấp bằng chứng hạn chế cho H3. Chiều tác động âm có thể xuất phát từ đặc tính khó thế chấp của tài sản số, rủi ro lỗi thời công nghệ hoặc ưu tiên nguồn vốn linh hoạt của doanh nghiệp. Do đó, chưa đủ cơ sở để khẳng định chuyển đổi số tất yếu làm suy giảm khả năng tiếp cận nợ dài hạn.
4.3. Phân tích trực tiếp cơ cấu kỳ hạn nợ
Bảng 4. Chuyển đổi số và cơ cấu kỳ hạn nợ
| Nội dung | (1) STDM | (2) LTDM |
| DTIndex | 0,0182*** (0,0062) | −0,0182*** (0,0062) |
| Biến kiểm soát | Có | Có |
| Firm FE / Year FE | Có / Có | Có / Có |
| Số cụm / Quan sát | 285 / 2.565 | 285 / 2.565 |
| Adjusted R² | 0,218 | 0,218 |
Bảng 4 chuyển trọng tâm từ quy mô nợ trên tài sản sang tỷ trọng từng kỳ hạn trong tổng nợ. Hệ số DTIndex đối với STDM đạt 0,0182 (ý nghĩa 1%), trong khi hệ số đối với LTDM bằng – 0,0182. Do tổng hai tỷ trọng bằng 1, hai phương trình có tính chất đối xứng hoàn toàn về độ lớn và trái dấu. Kết quả khẳng định chuyển đổi số không chỉ mở rộng đòn bẩy tổng thể mà còn thúc đẩy sự dịch chuyển tương đối sang cấu trúc nợ ngắn hạn. Một độ lệch chuẩn tăng của DTInde tương ứng tỷ trọng nợ ngắn hạn tăng khoảng 2,08 điểm phần trăm. Phát hiện này mang ý nghĩa quan trọng do nợ ngắn hạn làm gia tăng áp lực tái tài trợ, đồng thời làm tăng độ nhạy cảm của doanh nghiệp trước các biến động lãi suất và điều kiện tín dụng.
4.4. Kiểm định độ bền và nội sinh
Bảng 5. Kiểm định độ bền và IV-2SLS
| Mô hình | Biến chính | Hệ số | Sai số chuẩn | N | Adj. R² |
| Biến giả | DTDum | 0,0262*** | 0,0084 | 2.565 | 0,392 |
| Chuẩn hóa độ dài | DTIntensity | 0,0385*** | 0,0112 | 2.565 | 0,401 |
| Biến trễ một năm | DTIndexₜ₋₁ | 0,0165*** | 0,0059 | 2.565 | 0,390 |
| IV-2SLS | DTIndex | 0,0328** | 0,0138 | 2.565 | 0,385 |
Khi thay thế bằng DTDum, hệ số đạt 0,0262 (ý nghĩa 1%), cho thấy các doanh nghiệp ghi nhận hoạt động số hóa duy trì đòn bẩy cao hơn 2,62 điểm phần trăm so với nhóm còn lại. Kết quả ước lượng của DTIntensity tiếp tục dương và đạt ý nghĩa 1% (hệ số 0,0385), khẳng định kết luận nghiên cứu không bị chênh lệch bởi độ dài báo cáo thường niên.
Biến DTIndext-1 cho hệ số 0,0165 (ý nghĩa 1%). Việc sử dụng dữ liệu trễ giúp củng cố thứ tự thời gian và giảm nhẹ rủi ro tác động ngược chiều, dù chưa thể triệt tiêu hoàn toàn các yếu tố không quan sát biến đổi theo thời gian.
Mô hình IV-2SLS sử dụng biến công cụ mức số hóa trung bình ngành–năm (loại trừ bản thân doanh nghiệp). Kiểm định Kleibergen–Paap rk LM bác bỏ nhận diện thiếu, trong khi Cragg–Donald Wald F xác nhận tương quan giai đoạn một mạnh. Hệ số IV đạt 0,0328 (ý nghĩa 5%), đồng nhất với mô hình gốc. Tuy nhiên, do rủi ro từ các cú sốc công nghệ hay chính sách tín dụng nội ngành, phương pháp IV-2SLS đóng vai trò giảm thiểu lo ngại nội sinh hơn là khẳng định quan hệ nhân quả tuyệt đối.
4.5. Thảo luận kết quả
Kết quả khẳng định chuyển đổi số gắn với đòn bẩy cao hơn, nhưng ảnh hưởng phân hóa rõ rệt theo kỳ hạn. Tác động dương đến tổng nợ (LEV) phù hợp với Xue và Zhang (2024), bổ sung bằng chứng về điều chỉnh cấu trúc vốn của Niu và cộng sự (2023) và đồng nhất với Tian và cộng sự (2022) về khả năng chấp nhận rủi ro. Tuy nhiên, do không quan sát chi phí vay hay hạn mức tín dụng, kết quả phản ánh sự thay đổi chính sách tài trợ hơn là bằng chứng trực tiếp về giảm chi phí vốn. Theo lý thuyết đánh đổi, số hóa làm thay đổi nhu cầu đầu tư, nâng cao tính linh hoạt, cải thiện chất lượng thông tin và hồ sơ rủi ro, từ đó gia tăng mức nợ mục tiêu (Vial, 2019; Hanelt et al., 2021).
Điểm mấu chốt nằm ở sự áp đảo của nợ ngắn hạn. Trong bối cảnh thể chế Việt Nam phụ thuộc lớn vào tín dụng ngân hàng và nguồn vốn dài hạn còn hạn chế (Demirgüç-Kunt & Maksimovic, 1999; Booth et al., 2001), lợi ích thông tin từ số hóa chuyển hóa nhanh hơn thành khoản vay ngắn hạn. Sự gia tăng tỷ trọng nợ ngắn hạn (STDM) tạo ra mối đánh đổi quản trị: nợ ngắn hạn linh hoạt, phù hợp cho các khoản chi số hóa chu kỳ ngắn và đáp ứng nhu cầu tái giám sát của chủ nợ, nhưng đồng thời gia tăng rủi ro tái tài trợ và độ nhạy cảm lãi suất. Vì không quan sát mục đích từng khoản vay, chưa thể kết luận nợ ngắn hạn được dùng riêng cho dự án số, nhưng doanh nghiệp cần đánh giá số hóa đồng thời với rủi ro thanh khoản.
Các biến kiểm soát cho thấy lý thuyết trật tự phân hạng vẫn có giá trị bổ sung: ROA, CASH, CFO mang dấu âm, trong khi SIZE và TANG phản ánh lợi thế tiếp cận tín dụng và vai trò tài sản bảo đảm. Chuyển đổi số không thay thế các yếu tố truyền thống mà bổ sung một năng lực tổ chức có liên hệ với chính sách tài trợ. Đóng góp thực nghiệm của nghiên cứu chỉ ra mối liên hệ này tại các doanh nghiệp HOSE chủ yếu biểu hiện qua tổng nợ và nợ ngắn hạn. Kết luận cần giới hạn ở quan hệ có điều kiện do chỉ số từ khóa phản ánh mức độ công bố và thiết kế quan sát chưa loại bỏ hoàn toàn nội sinh.
5. Kết luận và hàm ý quản trị
5.1. Kết luận
Bài viết sử dụng 2.565 quan sát từ 285 doanh nghiệp phi tài chính niêm yết liên tục trên HOSE giai đoạn 2016–2024 nhằm đánh giá mối quan hệ giữa chuyển đổi số và cấu trúc vốn. Kết quả chỉ ra chuyển đổi số có mối liên hệ cùng chiều rõ rệt với tỷ lệ tổng nợ và nợ ngắn hạn trên tổng tài sản, trong khi tác động ngược chiều đối với nợ dài hạn mang quy mô nhỏ và chỉ đạt ý nghĩa thống kê yếu. Phân tích trực tiếp cơ cấu kỳ hạn xác nhận tỷ trọng nợ ngắn hạn trong tổng nợ gia tăng theo mức độ chuyển đổi số. Các phát hiện duy trì tính vững chắc qua nhiều kiểm định độ bền, bao gồm sử dụng biến giả, chuẩn hóa độ dài báo cáo, kiểm định biến trễ và phương pháp IV-2SLS. Qua đó, nghiên cứu ủng hộ giả thuyết H1 và H2, chỉ cung cấp bằng chứng hạn chế cho H3, đồng thời nhấn mạnh lợi ích tài trợ từ chuyển đổi số cần được xem xét cẩn trọng cùng rủi ro thanh khoản và tái cấp vốn.
5.2. Hàm ý quản trị
Đối với doanh nghiệp, chuyển đổi số cần được tích hợp chặt chẽ vào kế hoạch tài chính tổng thể thay vì xem như một chương trình công nghệ độc lập. Nhằm tuân thủ nguyên tắc phù hợp kỳ hạn, chi phí vận hành số hoặc nhu cầu vốn lưu động có thể sử dụng nguồn ngắn hạn; trong khi hạ tầng lõi và các dự án chuyển đổi tổ chức dài hạn bắt buộc phải được tài trợ bằng nguồn vốn tương ứng để tránh rủi ro thanh khoản.
Do tác động thực nghiệm tập trung vào đòn bẩy ngắn hạn, doanh nghiệp phải chủ động tăng cường quản trị thanh khoản và rủi ro tái tài trợ. Các giải pháp trọng tâm bao gồm lập ngân sách dòng tiền theo kịch bản, thiết lập hạn mức dự phòng, phân tán thời điểm đáo hạn và theo dõi độ nhạy cảm lãi suất, đảm bảo áp lực tài chính ngắn hạn không làm gián đoạn tiến trình số hóa.
Đồng thời, doanh nghiệp cần biến hoạt động số hóa thành tín hiệu minh bạch đối với chủ nợ. Báo cáo thường niên nên công bố chi tiết mục tiêu, chi phí, lộ trình thực thi và hiệu quả vận hành thực tế, tránh tâm lý công bố phóng đại làm suy giảm uy tín tín dụng.
Về phía cơ quan quản lý, kết quả nghiên cứu gợi mở yêu cầu tiếp tục chuẩn hóa khung công bố thông tin về chuyển đổi số, rủi ro công nghệ và tài sản vô hình. Các chương trình hỗ trợ số hóa nên tích hợp tư vấn quản trị tài chính và an ninh mạng thay vì chỉ tập trung mua sắm công nghệ. Cuối cùng, thị trường tài chính cần phát triển cơ chế định giá tài sản vô hình nhằm tạo điều kiện cho các dự án số chất lượng tiếp cận nguồn vốn dài hạn.
Tài liệu tham khảo:
Besson, P., & Rowe, F. (2012). Strategizing information systems-enabled organizational transformation: A transdisciplinary review and new directions. Journal of Strategic Information Systems, 21(2), 103–124.
Booth, L., Aivazian, V., Demirgüç-Kunt, A., & Maksimovic, V. (2001). Capital structures in developing countries. Journal of Finance, 56(1), 87–130. https://doi.org/10.1111/0022-1082.00320
Chen, W., Zhang, L., Jiang, P., Meng, F., & Sun, Q. (2022). Can digital transformation improve the information environment of the capital market? Evidence from analysts’ prediction behaviour. Accounting & Finance, 62(2), 2543–2578.
Demirgüç-Kunt, A., & Maksimovic, V. (1999). Institutions, financial markets, and firm debt maturity. Journal of Financial Economics, 54(3), 295–336. https://doi.org/10.1016/S0304-405X(99)00039-2
Diamond, D. W. (1991). Debt maturity structure and liquidity risk. Quarterly Journal of Economics, 106(3), 709–737.
Frank, M. Z., & Goyal, V. K. (2003). Testing the pecking order theory of capital structure. Journal of Financial Economics, 67(2), 217–248.
Goldfarb, A., & Tucker, C. (2019). Digital economics. Journal of Economic Literature, 57(1), 3–43.
Hanelt, A., Bohnsack, R., Marz, D., & Antunes Marante, C. (2021). A systematic review of the literature on digital transformation: Insights and implications for strategy and organizational change. Journal of Management Studies, 58(5), 1159–1197. https://doi.org/10.1111/joms.12639
He, J., Du, X., & Tu, W. (2023). Can corporate digital transformation alleviate financing constraints? Applied Economics, 1–17.
Kraus, A., & Litzenberger, R. H. (1973). A state-preference model of optimal financial leverage. Journal of Finance, 28(4), 911–922.
Li, L., Ye, F., Zhan, Y., Kumar, A., Schiavone, F., & Li, Y. (2022). Unraveling the performance puzzle of digitalization: Evidence from manufacturing firms. Journal of Business Research, 149, 54–64.
Liu, G., & Wang, S. (2023). Digital transformation and trade credit provision: Evidence from China. Research in International Business and Finance, 64, 101805.
Myers, S. C. (2001). Capital structure. Journal of Economic Perspectives, 15(2), 81–102.
Myers, S. C., & Majluf, N. S. (1984). Corporate financing and investment decisions when firms have information that investors do not have. Journal of Financial Economics, 13(2), 187–221.
Myers, S. C. (1984). The capital structure puzzle. Journal of Finance, 39(3), 575–592.
Niu, Y., Wang, S., Wen, W., & Li, S. (2023). Does digital transformation speed up dynamic capital structure adjustment? Evidence from China. Pacific-Basin Finance Journal, 79, 102016.
Prime Minister of Vietnam. (2020). Decision No. 749/QD-TTg approving the National Digital Transformation Program to 2025, with orientations toward 2030.
Tian, G., Li, B., & Cheng, Y. (2022). Does digital transformation matter for corporate risk-taking? Finance Research Letters, 49, 103107. https://doi.org/10.1016/j.frl.2022.103107
Verhoef, P. C., Broekhuizen, T., Bart, Y., Bhattacharya, A., Dong, J. Q., Fabian, N., & Haenlein, M. (2021). Digital transformation: A multidisciplinary reflection and research agenda. Journal of Business Research, 122, 889–901.
Vial, G. (2019). Understanding digital transformation: A review and a research agenda. Journal of Strategic Information Systems, 28(2), 118–144. https://doi.org/10.1016/j.jsis.2019.01.003
Vo, X. V. (2017). Determinants of capital structure in emerging markets: Evidence from Vietnam. Research in International Business and Finance, 40, 105–113.
Xue, Y., & Zhang, X. (2024). Digital transformation and corporate capital structure: Evidence from China. Pacific-Basin Finance Journal, 84, 102299. https://doi.org/10.1016/j.pacfin.2024.102299
Zhai, H., Yang, M., & Chan, K. C. (2022). Does digital transformation enhance a firm’s performance? Evidence from China. Technology in Society, 68, 101841.
